識別なくして論文なし
現代の分野における第一戒律。何かを推定する前に、その比較を単なる偶然ではなく因果的にする変動の源――くじ引き、政策の境界線、突然の規則変更――を名指しせよ。「信頼性革命」はこれを、実証研究がそもそも議論の場に入れるかどうかの基準にした。
濃いマスほど、このテーマでその指標が高いことを示します。
低高
この肩書には大きく3つの道が共存する。研究と教育を行う学者、中央銀行・省庁・IMFなどの政策系経済学者、そして銀行・コンサル・テック企業の民間経済学者だ。日々の仕事はどこも似ていて、データの整理、モデルの推定、執筆、そしてその結果を実際に行動を起こす人々に説明することである。
法的には不要――肩書はどこでも保護されていない。実際には、大学・中央銀行・国際機関の研究職はほぼPhD限定である一方、省庁・商業銀行・コンサルは修士レベルで採用し、英国の政府経済サービス(GES)は学部卒からそのまま採用する。PhDは研究トラックの組合証であって、この職業全体の必須条件ではない。
米国労働統計局によれば2023年の米国中央値は約11.5万ドルで、連邦準備制度やIMFのエコノミストはそれを上回り、大手銀行のチーフエコノミストは50万ドル以上を稼ぐ。名目額では他地域はずっと低く、インドやブラジルの政府エコノミストは同じ仕事をしても米国の水準のごく一部しか得られない。
厳密には違う――正式名称は「アルフレッド・ノーベル記念経済学スウェーデン国立銀行賞」で、1968年にスウェーデン中央銀行が創設し、初授賞は1969年、本来のノーベル賞から68年遅れている。同じストックホルムの式典で同額の賞金とともに授与されるため、経済学者を含めほぼ全員が単に「ノーベル賞」と呼ぶ。
2008年11月にロンドン・スクール・オブ・エコノミクスを訪問したエリザベス2世女王がまさにそう尋ねた。英国学士院の回答書は「多くの聡明な人々の集合的想像力の失敗」を挙げた。標準的なマクロ経済モデルが金融システムをそもそも組み込んでいなかったのだ。この一件で銀行と信用が主流モデルに組み込まれ直すことになり、その再構築は今も続いている。
金融アナリストは個々の企業や証券を評価し投資判断を導く仕事で、通常CFAプログラムで資格を得る。経済学者はインフレ、雇用、貿易、貧困など経済システム全体の挙動を研究し、因果関係を問う。訓練内容もそれに応じて異なり、アナリストは会計と評価を、経済学者は計量経済学とモデリングを、たいてい修士かPhDを通じて学ぶ。
外から見れば、経済学者のスキルは数学に見える。この職業の内側では、数学は当然の前提であり、希少なスキルはデータについての判断力――ある数字が何を裏付けられ、何を裏付けられないかを知ること――と、結論がどれほど不確実かを声に出して述べる規律である。最も評価される経済学者は最高の数学者であることは滅多になく、データが実際に答えられる問いを問う人々である。
この職人技は、問いを立て、信頼できる変動を見つけ、効果を推定し検証する研究の核と、その結果を大臣・総裁・CEOが読んで行動できる二ページに変える伝達の殻に分かれる。キャリアは核と同じくらい殻で行き詰まることが多く、この職業の助言文献の多くが執筆と平易さについてのものであるのはそのためだ。
雑然とした現実世界のデータから効果を推定し、あるデータセットがこの分野の数ある統計上の罠のうちどれを仕掛けているかを見抜くこと。
モデルが不完全だと分かっていながら使える助言を与えること――危機が露呈させ、年功が実際に報酬を得ているスキル。
問いを明らかにする最小限の形式モデルを構築し、モデルが論文を規律づけているのか装飾しているだけなのかを見分けること。
労働時間の大半はStata、R、Pythonでのデータの整理と整形に費やされる。実証結果はこの地味な層と同じ質しか持たない。
研究は論文次第で生き死にし、政策助言は二ページのブリーフィングと意思決定者への60秒の回答次第で生き死にする。
数字がどう作られているか、直近三つの危機が実際にどう展開したか、モデルが暗黙に無視している教訓は何かを知ること。
インフレ、雇用、GDPといった主要統計は早朝に発表され、最初の数時間は予想との比較、夜間の市場の動き、目を通す価値のあるワーキングペーパーの確認に充てられる。
生産の中核時間――データの整理、推定の実行と再実行、モデルコードのデバッグ、昨日の結果が別の定式化に耐えるかの確認。
ブラウンバッグ・セミナーはこの職業の日々のジムだ。同僚や訪問者が進行中の研究を発表し、最初のスライドから割り込みを受ける――アカデミアでも中央銀行でも同じ。
分析を成果物に変える作業――予測ノートや論文の一節を書き、チーフエコノミストや政策委員会に説明し、査読を行い、リサーチアシスタントを指導し、学術日には授業を行う。
この分野はジャーナル掲載よりずっと前にワーキングペーパーで動いており、最新情報を追い続けることは毎晩の税のようなもので、時差を越えた共著者との通話も加わる。
リズムは政策会合、予算発表の夜、市場の混乱の前後で急上昇する。利上げ判断前の予測ラウンドや危機の週末は、カレンダー上は休息のはずの夜を消費しうる。
現場で実際に伝えられる技術知 — モチベーション文句ではない。
現代の分野における第一戒律。何かを推定する前に、その比較を単なる偶然ではなく因果的にする変動の源――くじ引き、政策の境界線、突然の規則変更――を名指しせよ。「信頼性革命」はこれを、実証研究がそもそも議論の場に入れるかどうかの基準にした。
あるデータ系列を信頼する前に、誰がそれを集めたか、質問がどう尋ねられたか、方法論が改定された際に何が変わったかを学べ。経済データの欠陥はランダムなノイズではなく、収集の系統的な副産物だからだ。グリリケスは、経済学者が正直に主張できることを制限しているのは通常、計量経済学ではなくデータ制約だということを、キャリアを通じて示し続けた。
問いそのものを問い直せ、あえて馬鹿げていろ、容赦なく単純化せよ、というクルーグマンの研究の指針は、彼のノーベル賞受賞につながる貿易モデルが、同僚が恥ずかしいほど単純だと思うおもちゃの例から始まったことを説明する。この職人技は、問題を驚くべき結果をなお生み出す最小限のモデルまで削ぎ落とし、そこで止めることだ。
フリードマンの方法論的エッセイは、非現実的な前提は欠陥ではないと論じた。モデルは道具であり、唯一公正な検証は代替案よりよく予測できるかどうかだ。現役の経済学者はこれを日々トリアージとして適用する――モデルの現実らしさではなく、その予測に挑め。
この職業で最も古い作業上の反射神経。意思決定は縁――次の一単位、次の一時間、次の一ユーロ――でなされるので、埋没費用は無視し、平均値は疑え。マーシャルはこの学問の教育を限界分析を中心に構築し、それは今も会議で悪い議論を見抜く最速の方法であり続けている。
1996年の『インフレーション・レポート』で導入されたイングランド銀行のファンチャートは、予測を単一の線ではなく確率の広がるバンドとして印刷し、誠実な予測は自らの不確実性を述べるという職人技の規則を制度化した。上級予測担当者は若手に、中心の数字を口にする前にまずそのバンドを口に出すよう教える。
1985年以来の応用経済学の主力統計パッケージで、実証ミクロ経済学と世界銀行のような機関で標準的に使われる。この分野のトップジャーナルの再現アーカイブ全体がこれで書かれている。
独自ソフトウェアを着実に置き換えつつあるオープンソースの二本柱。Rは統計とグラフィックス、Pythonはデータパイプラインと機械学習に使われ、中央銀行でもテック企業のエコノミストチームでも新規採用者に等しく期待される。
学術マクロ経済学の主力であるDSGE(動学的確率的一般均衡)モデルを解き推定するためのオープンソースツールボックスで、数十の中央銀行で予測とシナリオ分析に使われている。
セントルイス連銀の無料サービス、連邦準備経済データ。世界中の数十万の時系列データを収録し、そのグラフはソーシャルメディアやセミナースライドにおけるこの職業の共通言語である。
1982年以来の市場エコノミストのコックピット。リアルタイムの価格、経済カレンダー、コンセンサス予測、そして金融エコノミストの見立てがリアルタイムで作られ、試され、からかわれるチャットネットワークを備える。
この分野の典型的な失敗。観測データに対するよく当てはまった回帰分析が因果的な言葉で発表され、交絡因子が現れると崩壊する。再現性運動と信頼性運動が存在するのは、成長、援助、栄養、警察活動についての数十年にわたる影響力ある結果が、より良い識別のもとでは持ちこたえなかったからだ。
不確実性の幅を伴わない点予測やヘッドライン弾力性の報告は、この職業の最も公然たる失敗様式である。主流モデルのほとんどが予見できなかった2008年の危機は、LSEでのエリザベス2世女王の有名な質問と、過信された精密さについての十年に及ぶ組織的な自問自答を招いた。
扱いやすさのために採用された前提が、世界についての信念として固まってしまい、経済学者はモデルを修正するのではなく、都合の悪いデータからモデルを擁護し始める。どの世代もこれを高い代償を払って学び直す――1970年代のフィリップス曲線、2008年の効率的市場仮説――そしてこの分野の内部批評家はそれをこの職業特有の職業病と呼ぶ。
分野だけでなく、6つのスコアが近い職業です。
依頼人に法的助言を与え、権利義務を縛る文書を起草し、法廷では代理人として弁論する——助言が誤っていれば自ら法的責任を負う職業。
AI耐性 58 💊あらゆる処方箋の裏にいる薬の専門家 — バグダードの最初の薬店とアポセカリーの乳鉢から、モルヒネ、アルテミシニン、そして現代の調剤室まで。
AI耐性 58 🛰️地上を離れる航空機・ロケット・宇宙船を設計・解析・認証する仕事で、推測の余地を残さない安全マージンを守り続ける。
AI耐性 74 🧫臨床データ、治験データ、医療システムのデータを用いて、より安全な医療、研究、業務上の意思決定のための信頼できるエビデンスを生み出す。
AI耐性 68 🦾感知し、判断し、物理世界で行動する機械を設計する仕事。真の難問は知能ではなく、世界そのものだった。
AI耐性 65 🌿組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66会社を興す人——機会を見出し、リスクを背負い、給料の支払いに責任を持つ。アッシリアの隊商金融業者からベンチャー支援の創業者まで。
AI耐性 88 💹企業に値を付け、資本を動かすディールメーカー——メディチ家のフィレンツェから今日のピッチブックまで続く商売で、巨額の金が動くときの信用に対価が支払われる。
AI耐性 42 🧾帳簿の番人――文字そのものを生み出したほど古い技を受け継ぎ、いまはそれを自動化するために作られたソフトウェアと折り合いをつけている。
AI耐性 35 📣需要を生み出す専門職——ポンペイの壁の広告文やP&Gの1931年の「ブランドマン」覚書から、オークション主導のデジタル時代のフィードまで。
AI耐性 38 🗺️会社が次に何を作るべきか、なぜそれを作るのかを決める仕事。顧客のニーズ、事業目標、エンジニアリングの制約を、誰か一人がすべてを所有するわけではない一つの共有計画へとまとめ上げる。
AI耐性 50 🌿組織が事業上の義務を果たしながら環境・社会への害を減らせるよう、戦略、測定、報告を主導する。
AI耐性 66